Paper Review Skill

학술 논문을 체계적으로 리뷰하는 스킬. 논문 변환 → 참고문헌 수집 → 가이드라인 기반 리뷰의 3단계 파이프라인.

Workflow

Phase 1: 문서 변환 (Document Conversion)

입력 문서(docx/pdf)를 markdown으로 누락 없이 완전 변환한다.

입력: .docx 또는 .pdf 파일
출력: {작업폴더}/manuscript.md

실행:

PYTHONUTF8=1 python3 {skill_dir}/scripts/convert_to_md.py --input <파일경로> --output <출력폴더>

변환 원칙:

• 본문 텍스트: 단락 구조, 강조(bold/italic) 보존
• 수식: LaTeX 형식으로 변환 ($...$, $$...$$)
• 표: markdown 표로 변환
• 그림: 캡션과 번호를 ![Figure N: caption]() 형식으로 보존
• 참고문헌: 원본 번호 체계 유지
• 섹션 구조: heading level 보존

Phase 2: 참고문헌 수집 (Reference Collection)

본문에서 참고문헌의 DOI를 추출하고 PDF를 자동 다운로드한다.

입력: manuscript.md (Phase 1 출력)
출력:

• {작업폴더}/refs/ref_NN.pdf — 다운로드된 PDF들
• {작업폴더}/refs/download_report.md — 다운로드 결과 보고서 (실패 건 수동 링크 포함)

실행:

PYTHONUTF8=1 python3 {skill_dir}/scripts/download_refs.py --input <manuscript.md> --output <refs폴더>

다운로드 우선순위 (시행착오를 통해 검증된 순서):

1. Semantic Scholar API — Open Access PDF URL 확인
2. Publisher 직접 접근 — DOI resolve 후 출판사별 PDF URL 패턴 (기관 구독 활용)
3. Google Scholar — [PDF] 링크 탐색
4. 위 3단계 실패 시 → paper-pdf-download 스킬로 위임 (실제 인증 브라우저로 봇차단·기관구독 저널 수집; 페이월 우회 사이트는 사용하지 않음)

주요 출판사별 PDF URL 패턴:

• Nature: {url}.pdf
• APS (PhysRevX): /abstract/ → /pdf/
• PNAS: /doi/pdf/{doi}
• Science/Science Advances: /doi/ → /doi/pdf/
• Elsevier/ScienceDirect: /pii/{id}/pdfft
• IEEE: /stamp/stamp.jsp?arnumber={id} → iframe 내 PDF
• AIP/JASA: /doi/ → /doi/pdf/

실패 처리:

• 다운로드 실패 시 download_report.md에 수동 다운로드 링크 정리
• 사용자에게 수동 다운로드 안내 후 Phase 3로 자동 진행

Phase 3: 논문 리뷰 (Paper Review)

가이드라인에 따라 체계적으로 리뷰를 수행한다.

입력: manuscript.md + refs/*.pdf
출력: {작업폴더}/review_report.md

리뷰 절차 및 모델 배정:

Step 3-1: 참고문헌 그룹 분류 — haiku

• manuscript.md의 인용 패턴을 분석하여 참고문헌을 주제/역할별 그룹으로 분류
• 각 그룹에 포함된 DOI 번호와 본문에서의 인용 맥락(어떤 주장의 근거인지)을 정리
• 단순 분류 작업이므로 haiku로 충분

Step 3-2: 그룹별 참고문헌 분석 — sonnet (병렬)

• 각 그룹당 1개 에이전트를 병렬 실행하여 PDF 내용을 분석
• 에이전트당 PDF 4개 이하 (초과 시 그룹 분할)
• 각 논문에 대해:
  • 핵심 기여 요약 (2-3문장)
  • 본문 인용 서술의 정확성 검증
  • 누락되거나 오특성화된 사항 식별
• PDF 독해 + 사실 대조 작업으로 sonnet이 비용 대비 최적

Step 3-3: 종합 리뷰 보고서 작성 — opus

• Step 3-2의 모든 분석 결과를 종합
• 가이드라인 5개 항목에 따라 구조화된 리뷰 보고서 작성
• 심각도 분류 (CRITICAL / MAJOR / MINOR) 판정
• 논문 전체의 논리적 공정성, 독창성 주장의 타당성 평가
• 고차원 추론과 종합적 판단이 필요하므로 opus 사용

모델 배정 요약

Step	작업	모델	근거
3-1	참고문헌 그룹 분류	haiku	단순 패턴 분류, 토큰 최소화
3-2	PDF 읽기 + 인용 검증	sonnet	기술 문서 독해 + 사실 대조, 병렬 4-5개
3-3	종합 리뷰 보고서	opus	다관점 종합, 공정성 판단, 심각도 분류

비용 최적화 포인트:

• Step 3-2가 토큰 소비의 대부분 (PDF 전문 읽기) → sonnet으로 비용 절감
• Step 3-1은 토큰 소비 최소 → haiku로 추가 절감
• Step 3-3만 opus 사용 → 핵심 판단에 집중 투자
• Rate limit 대응: sonnet 에이전트 실패 시 그룹을 2개로 분할하여 재실행

---

가이드라인

리뷰 가이드라인은 references/guideline.md에 정의되어 있으며, 사용자가 수시로 업데이트할 수 있다. 리뷰 수행 시 항상 최신 가이드라인을 읽어서 적용한다.

---

파일 구성

paper-review/
├── SKILL.md                          ← 이 파일
├── scripts/
│   ├── convert_to_md.py              ← docx/pdf → markdown 변환
│   └── download_refs.py              ← DOI 추출 + PDF 다운로드
└── references/
    └── guideline.md                  ← 리뷰 가이드라인 (업데이트 가능)

의존성

• python-docx (docx 읽기)
• PyMuPDF / fitz (pdf 읽기)
• requests (HTTP)
• re (DOI 추출)

주의사항

• Windows 환경: 모든 Python 실행 시 PYTHONUTF8=1 필수
• SSL 인증서 경고: urllib3.disable_warnings() + verify=False
• 에이전트 병렬 실행 시 rate limit 주의: 실패 시 그룹 분할 후 재실행